即刻App年轻人的同好社区
下载
置顶最近把自己的AI 工作台系统整理了一下，越整理越觉得，这件事可能就是我想要长期做下去的一份事业。
过去两个月，我一直在基于自己的产品经理日常工作，搭建一套 PM AI 工作台。
然后猛然发现， 可以把它结合PKM系统，升级为整个人生的AI工作台
今年试用了太多Agent工具了：
Claude Code、Codex、龙虾、、hermes、WorkBuddy、悟空、Cursor、Zcode、Kimicode、Minimaxcode、 trae work···
工具试得越多，我越确定一件事：
AI 时代，最值得长期积累的，不是某一个 AI 工具，而是你自己的上下文资产
因为工具会换，模型会变，平台也会变。
真正属于你的，是你积累过的知识、形成过的判断、正在推进的目标和任务、反复验证过的方法、独属于你的表达风格。
这些东西如果只是散落在笔记软件、微信收藏、浏览器标签页、网盘、聊天记录和 AI 对话里，它们就很难真正变成你的能力。
你明明积累了很多东西，但真正要写作、决策、做项目的时候，还是要重新翻、重新想、重新组织。
以前这是知识管理的问题。
AI 的出现，让这个问题第一次有机会被系统性解决。
AI 可以搜索你过往的笔记，也可以通过关键词、语义检索读到一部分内容。
但进一步的问题又出现了：AI「能搜到」不等于「会调用」。
它不知道哪些是你的稳定判断，哪些只是临时想法；不知道哪个文件是入口，哪个文件是过程材料；不知道这个任务应该先读目标、再读背景，还是先读方法论、再读历史产出。
对人来说，你读自己的笔记库，是带着长期记忆和隐含路径在读的。
但 AI 默认不知道。
所以我这段时间越来越明确：AI 时代真正重要的，不是把一堆资料扔给 AI，而是把自己的知识、目标、任务和工作流，整理成一套 AI 也能顺着路线读取的上下文系统。
这就是我说的「个人 AI 工作台」。
它更像是一套工作基础设施：
用本地文件夹和 Markdown 承载长期上下文；
用 Obsidian 作为呈现和导航界面；
再让支持读取文件或接入上下文的 AI 工具，比如 ChatGPT、Codex、Claude Code、WorkBuddy、Cursor，都能沿着同一套上下文接手任务，成为你的助手，参与真实工作。
我现在会把这套系统拆成三部分：
第一是认知输入系统，接住每天发生的输入，比如 DailyNotes、外部文章、读书笔记、课程笔记、当天想法。
第二是知识复利系统，把稳定、可复用的认知沉淀下来，比如 MOC、Card、方法、判断、原则、表达。
第三是目标域系统，承接真实任务和产出，比如产品工作、写作输出、小红书运营、商业交付、健身管理。
最简单理解就是：
输入要被接住。
认知要被沉淀。
任务要能产出。
结果还要能反哺系统。
这件事也刚好连接上了我过去几年的积累。
我折腾个人知识管理差不多 8 年，印象笔记、Bear、Obsidian、Roam Research、flomo、Logseq、Tana、heptabase……每一代 PKM 工具，都陪伴过我某一段时间。
同时，我主业做了 5 年多 B 端产品经理。这份职业真正训练我的，不只是写 PRD、画原型，而是在复杂系统里识别问题、拆解需求、理解流程、判断边界，把混乱的信息整理成一个可以运行的系统。
以前我一直在为企业设计复杂系统，也一直在为自己迭代知识管理系统。
但 AI 出现以后，我突然意识到：
一个人的知识管理系统，不能只给自己看了。
它还要能让 AI 接入、理解、调用，甚至参与真实工作。
所以接下来，我打算用自己正在运行的真实工作台做样本，持续拆解这套系统是怎么搭出来、怎么使用、怎么迭代的。
我不想只讲某个 AI 工具怎么玩。
我更想讲清楚：一个人如何在 AI 时代，把自己的知识、经验、思考和行动，沉淀成一套可连接、可复用、可进化的系统。
欢迎感兴趣的朋友一起讨论～
过去两个月，我一直在基于自己的产品经理日常工作，搭建一套 PM AI 工作台。
然后猛然发现， 可以把它结合PKM系统，升级为整个人生的AI工作台
今年试用了太多Agent工具了：
Claude Code、Codex、龙虾、、hermes、WorkBuddy、悟空、Cursor、Zcode、Kimicode、Minimaxcode、 trae work···
工具试得越多，我越确定一件事：
AI 时代，最值得长期积累的，不是某一个 AI 工具，而是你自己的上下文资产
因为工具会换，模型会变，平台也会变。
真正属于你的，是你积累过的知识、形成过的判断、正在推进的目标和任务、反复验证过的方法、独属于你的表达风格。
这些东西如果只是散落在笔记软件、微信收藏、浏览器标签页、网盘、聊天记录和 AI 对话里，它们就很难真正变成你的能力。
你明明积累了很多东西，但真正要写作、决策、做项目的时候，还是要重新翻、重新想、重新组织。
以前这是知识管理的问题。
AI 的出现，让这个问题第一次有机会被系统性解决。
AI 可以搜索你过往的笔记，也可以通过关键词、语义检索读到一部分内容。
但进一步的问题又出现了：AI「能搜到」不等于「会调用」。
它不知道哪些是你的稳定判断，哪些只是临时想法；不知道哪个文件是入口，哪个文件是过程材料；不知道这个任务应该先读目标、再读背景，还是先读方法论、再读历史产出。
对人来说，你读自己的笔记库，是带着长期记忆和隐含路径在读的。
但 AI 默认不知道。
所以我这段时间越来越明确：AI 时代真正重要的，不是把一堆资料扔给 AI，而是把自己的知识、目标、任务和工作流，整理成一套 AI 也能顺着路线读取的上下文系统。
这就是我说的「个人 AI 工作台」。
它更像是一套工作基础设施：
用本地文件夹和 Markdown 承载长期上下文；
用 Obsidian 作为呈现和导航界面；
再让支持读取文件或接入上下文的 AI 工具，比如 ChatGPT、Codex、Claude Code、WorkBuddy、Cursor，都能沿着同一套上下文接手任务，成为你的助手，参与真实工作。
我现在会把这套系统拆成三部分：
第一是认知输入系统，接住每天发生的输入，比如 DailyNotes、外部文章、读书笔记、课程笔记、当天想法。
第二是知识复利系统，把稳定、可复用的认知沉淀下来，比如 MOC、Card、方法、判断、原则、表达。
第三是目标域系统，承接真实任务和产出，比如产品工作、写作输出、小红书运营、商业交付、健身管理。
最简单理解就是：
输入要被接住。
认知要被沉淀。
任务要能产出。
结果还要能反哺系统。
这件事也刚好连接上了我过去几年的积累。
我折腾个人知识管理差不多 8 年，印象笔记、Bear、Obsidian、Roam Research、flomo、Logseq、Tana、heptabase……每一代 PKM 工具，都陪伴过我某一段时间。
同时，我主业做了 5 年多 B 端产品经理。这份职业真正训练我的，不只是写 PRD、画原型，而是在复杂系统里识别问题、拆解需求、理解流程、判断边界，把混乱的信息整理成一个可以运行的系统。
以前我一直在为企业设计复杂系统，也一直在为自己迭代知识管理系统。
但 AI 出现以后，我突然意识到：
一个人的知识管理系统，不能只给自己看了。
它还要能让 AI 接入、理解、调用，甚至参与真实工作。
所以接下来，我打算用自己正在运行的真实工作台做样本，持续拆解这套系统是怎么搭出来、怎么使用、怎么迭代的。
我不想只讲某个 AI 工具怎么玩。
我更想讲清楚：一个人如何在 AI 时代，把自己的知识、经验、思考和行动，沉淀成一套可连接、可复用、可进化的系统。
欢迎感兴趣的朋友一起讨论～
AI 时代，最值得积累的是你的上下文：我准备公开我的「AI 工作台系统」
14 02
最近因为Tibo总是重置codex的缘故
每天都是4、5亿的消耗，多的时候8、9亿
感觉接下来重置频次会降低不少
会出现强烈的戒断反应😮💨
用量用完的日子，靠国产订阅勉强续命···
或者多用用ChatGPT+github
每天都是4、5亿的消耗，多的时候8、9亿
感觉接下来重置频次会降低不少
会出现强烈的戒断反应😮💨
用量用完的日子，靠国产订阅勉强续命···
或者多用用ChatGPT+github
1 00
终于重置了！
Tibo这次是没啥好理由 硬找理由重置了属于是
原文：
为了庆祝这一周的效率提升，也为了让大家这个周末能跑上 10 万个 Luna 线程……没错……听好了……我已经重置了 Codex 和 ChatGPT Work 的使用额度限制。
尽情享用吧
Tibo这次是没啥好理由 硬找理由重置了属于是
原文：
为了庆祝这一周的效率提升，也为了让大家这个周末能跑上 10 万个 Luna 线程……没错……听好了……我已经重置了 Codex 和 ChatGPT Work 的使用额度限制。
尽情享用吧
2 00
成为 AI Native 玩家其实真的不复杂，无非就是每次遇到一个问题或任务时，转换一下思维：
把“自己动手做”改成“直接让 AI 试着去做”
就足够了
剩下的就只是随着时间慢慢的积累，建立和AI一起干活儿体感
把“自己动手做”改成“直接让 AI 试着去做”
就足够了
剩下的就只是随着时间慢慢的积累，建立和AI一起干活儿体感
1 00
钉钉你是真SB
强制自动更新到最新版也就算了；
你tm搞了一个AI语音输入，要是好用也就算了，偏偏做的垃圾的要死
还tm强制接管我电脑的fn键是吧？
我fn本来绑定的豆包输入法语音输入
好家伙 你强制更新我先不喷啥了
还默认开启，直接覆盖我原本的设置
还有你这交互流程不觉得脑残吗？
语音输入的产品早就百花齐放了 ，抄都不会抄？
1. 键盘按fn键
2. 弹出图2的胶囊，然后还要等将近一秒才能开始录入，你要知道同行已经是按fn的同时，直接说话就能录入了
3. 说完一句话，不能直接上屏，要你再按一次fn，或者点击一下✅
4. 然后我还要等你语音转写 我在这等你好几秒 你才把文字放到输入框里面
这种脑残交互到底是怎么上线的？
强制自动更新到最新版也就算了；
你tm搞了一个AI语音输入，要是好用也就算了，偏偏做的垃圾的要死
还tm强制接管我电脑的fn键是吧？
我fn本来绑定的豆包输入法语音输入
好家伙 你强制更新我先不喷啥了
还默认开启，直接覆盖我原本的设置
还有你这交互流程不觉得脑残吗？
语音输入的产品早就百花齐放了 ，抄都不会抄？
1. 键盘按fn键
2. 弹出图2的胶囊，然后还要等将近一秒才能开始录入，你要知道同行已经是按fn的同时，直接说话就能录入了
3. 说完一句话，不能直接上屏，要你再按一次fn，或者点击一下✅
4. 然后我还要等你语音转写 我在这等你好几秒 你才把文字放到输入框里面
这种脑残交互到底是怎么上线的？
4 00
这个用 AI 学习的可信度问题，我觉得要分成两层看：有明确答案、可以验证的学习，和没有标准答案的现实问题。
第一类是考试题，以及数学、物理、化学这类相对确定的知识。
如果本身存在标准答案，而且把教材、参考答案和评分规则提前提供给 AI，那么它的可信度其实可以非常高。至少不是让 AI 凭空猜，而是让它围绕一套已经确定的知识体系去讲解、出题和批改
我的这个 learning Anything skill 也用了一个比较讨巧的设计：在生成课程和练习题时，会同时预置参考答案。在教我们练习时，是围绕这份答案展开的，而不是每次临时重新生成一个答案
当然，这也不代表 100% 不会出错，但它至少能够把AI的错误概率大幅压低
第二类是现实世界的问题，也是我们更普遍会面对的问题，这类问题没有标准答案
比如商业判断、职业选择、管理方法，或者一个观点到底好不好。这些问题没有唯一的标准答案。很多时候，所谓的答案也只是某个人基于自己的经验和立场得出的判断而已
这种情况下，AI 能做的是提供更多信息和不同视角，指出你的逻辑漏洞，或者挑战你原本的判断
所以在这类学习里，我们可以把 AI 当成一个苏格拉底式的讨论伙伴：让它不断追问、反驳和补充。
但最后还是要靠我们自己判断 //@士兵乙: 其实我一直有一个疑问，用ai辅助学习在相应的学习领域中ai结果可信度有多高？？感觉有时会陷入默认ai就是对的怪圈里，但它也有幻觉，如果有一天它7假3真的说结果，那时候我们还能分出来么？
第一类是考试题，以及数学、物理、化学这类相对确定的知识。
如果本身存在标准答案，而且把教材、参考答案和评分规则提前提供给 AI，那么它的可信度其实可以非常高。至少不是让 AI 凭空猜，而是让它围绕一套已经确定的知识体系去讲解、出题和批改
我的这个 learning Anything skill 也用了一个比较讨巧的设计：在生成课程和练习题时，会同时预置参考答案。在教我们练习时，是围绕这份答案展开的，而不是每次临时重新生成一个答案
当然，这也不代表 100% 不会出错，但它至少能够把AI的错误概率大幅压低
第二类是现实世界的问题，也是我们更普遍会面对的问题，这类问题没有标准答案
比如商业判断、职业选择、管理方法，或者一个观点到底好不好。这些问题没有唯一的标准答案。很多时候，所谓的答案也只是某个人基于自己的经验和立场得出的判断而已
这种情况下，AI 能做的是提供更多信息和不同视角，指出你的逻辑漏洞，或者挑战你原本的判断
所以在这类学习里，我们可以把 AI 当成一个苏格拉底式的讨论伙伴：让它不断追问、反驳和补充。
但最后还是要靠我们自己判断 //@士兵乙: 其实我一直有一个疑问，用ai辅助学习在相应的学习领域中ai结果可信度有多高？？感觉有时会陷入默认ai就是对的怪圈里，但它也有幻觉，如果有一天它7假3真的说结果，那时候我们还能分出来么？
Nar那不然: 我做了一个skill，能把你的学习效率提升 10 倍。 skill名叫 `/learn-anything`，算是我把这几年关于“如何高效学习”的经验，全部总结到了一起 这几天我一直拿它学习，真的给我惊出一身冷汗了。 为啥呢？ 因为这两年都是用 AI 学东西，问AI一个问题，它马上给你一份特别完整的答案。然后我会针对没理解的地方继续追问，感觉逻辑慢慢理顺，很容易就觉得：这个我会了。 但用完这个 Skill，我发现我真没有掌握那些概念。 它会每讲完一个知识点，都会出题考我。 它一问，我要么完全回答不上来，要么必须翻回上一段对话，重新找它刚刚讲过的内容，才能勉强回答。反正就是 tm 的各种不合格…… 还有一些问题，我本来觉得自己已经理解透了，我说的答案我也觉得挺有道理的，结果它直接告诉我：不是这么回事，你的理解从这里就已经偏了。 然后我才知道，我这两年用 AI 学习，真的是错付了…… 原来我真的很菜，我的学习能力没我想象中的那么强，真一动真格，就都露馅了。 很多东西可能只是“看懂过”。 我没有主动回忆过，没有刻意练习过，也没有真正考试验证过，所以很多概念其实根本没有理解透。 这些当年吃过的苦、学过的方学习法，在 AI 时代我全给扔了…… 所以我才做了这个 `/learn-anything` Skill。 它的用法其实很简单。 你可以直接把一本教材、一篇文章、一份 PDF 丢给它，让它基于这些材料带你学。 也可以直接告诉它：我想学 Agent 产品设计、商业、编程，或者任何一个领域。哪怕你没有准备教材，它也会自己去网络上搜集和核验当前需要的资料，再生成教材带你学。 只是突然碰到一个小知识点不理解，也可以直接问。它会马上讲清楚，然后出题带你练习，确认你是不是真的理解了。 如果是稍微大型一点的学习目标，它会先根据你最后想做到什么，生成一份完整的课程大纲。 但它不会一上来把所有课件全部生成出来，再一次性塞给你。 它会按照课程大纲，每次只准备当前这一课的教材。学完、练完、确认你真正掌握以后，再根据你的表现调整后面的课程。 所以它不只是一个会回答问题的 AI。 更像是一个会自己找教材、设计课程、给你讲课、出题考试，还会根据你的表现调整教学计划的老师。 而且整个过程里，它会控制每次学习的信息量，不一次塞给你一大堆内容； 讲完以后马上让你自己回答，而不是问一句“懂了吗”； 回答不出来，就继续拆解、提示、重试，专门练你最薄弱的地方； 最后还会换一个场景继续考你，确认你是真的理解了，而不是只记住了刚才的答案。 它不会因为课程讲完了，就默认你学会了。 只有你能脱离原文，自己说出来、做出来，并且换一个场景还能用，才算真正掌握。 所谓学习效率提升 10 倍，不是一天往脑子里塞进 10 倍的信息。 而是尽量避免花了大量时间学习，最后却只是产生了“我好像会了”的错觉。 这个 Skill 现在还在持续使用和打磨。 大家实际用下来有什么问题，或者觉得哪里还可以继续优化，都可以直接找我反馈，我会继续把它打磨下去。
2 00
